贏不了 Ridge，就是白加複雜度

Part III 的結構是一道基線階梯：每個更複雜的模型都必須在同一條管線、同一套 walk-forward 下，打敗前一層的基線並回報增益。贏不了，就是白加複雜度。

難得的是，作者沒有只講原則——他用同一套九個案例（ETF、美股、NASDAQ-100 分鐘、加密貨幣、選擇權、外匯、期貨、美股公司特徵…）把每一層都跑過一遍，成績誠實地列出來。結論相當清醒：線性模型能排序報酬，是例外不是通則（九個案例只有三個的信賴區間排除零）；GBM 把顯著案例從 3 個擴到 5 個，但從未在線性完全無訊號的地方憑空造出訊號；序列深度學習八戰只有一勝，還有兩場明顯落敗。

這張圖真正想說的不是「別用複雜模型」，而是「複雜度要拿證據換」——而書把證據誠實地攤開了。

核心思想：用正則化線性模型建立一條可解釋的預測基線。為什麼是正則化而不是 OLS？因為交易研究的判準是樣本外預測準確度，不是無偏參數回收。總預測誤差 = 偏差² + 變異 + 雜訊；在特徵多、樣本少、訊噪比極低的金融資料上（截面報酬的樣本內 R² 通常只有 1–3%），引入一點偏差換取大幅降低變異非常划算。

選哪一種正則化？書給了一個好記的框架：penalty 就是你對訊號結構下的注。賭訊號分散在很多相關特徵上，押 Ridge；賭訊號集中在少數特徵上，押 LASSO；不確定，押 Elastic Net 讓資料說話。金融資料的特徵通常高度相關，所以 Ridge 是預設。

但這章真正的警告在調參上。書的實測：同一批資料、同一批切分，單層 CV 報 IC +0.028，換成巢狀 CV 變成 −0.032——正負號直接翻轉。訊號越弱，選擇偏誤越致命。

外層只評估、內層才調參——這不是嚴謹的裝飾，是結論成立的前提。

特徵高度相關（金融常態）→ 預設 Ridge
     # LASSO 會在相關特徵群裡隨機挑一個、其餘歸零
     # 實測：輕微稀疏就砍掉約 1/4 特徵，IC 反而掉到 OLS 之下

Ridge 的 α 搜尋範圍
     要涵蓋「近乎 OLS」到「強正則化」兩個 regime
     # ETF 案例 n≈39 萬時掃 10⁻¹ 到 10⁷；ICIR 峰值落在 α≈10⁶

標準化與 winsorize
     μ、σ、分位數 只能來自訓練 fold，每次 refit 重算
     # 用全樣本算不會報錯、不會警告，只會讓成績虛胖

AUC 怎麼讀
     0.55–0.60  金融樣本外已經有意義
     > 0.65      先查洩漏，再慶祝

→ 接到台股（以下為外推，非書上內容）：「贏不了 Ridge 就是白加複雜度」這條紀律，對台股研究的意義可能比對美股更大——台股可用歷史短、標的數少，訊噪比只會更差，選擇偏誤只會更致命。書上單層 vs 巢狀 CV 翻轉正負號的例子，在樣本更小的台股上發生機率更高。實務建議：任何要上的模型，都先跑一條同管線的 Ridge 基線並把數字記下來。至於 ml.duckdb 裡已有的模型，值得回頭補這條基線對照——這是推論方向，實際差多少要跑了才知道。

核心思想：GBM 是表格型金融預測的「可辯護預設」。它與隨機森林的差別在機制上：隨機森林平均獨立的樹，只能降低變異、無法修正系統性偏誤（如果所有樹都低估極端報酬，平均起來還是低估）；boosting 則是每棵新樹去擬合當前模型的殘差，可以逐步消除偏誤。

但選哪一家？書的結論很務實：調參之後，三家的準確度差距（約 0.002）比「超參數調得好不好」的差距還小。所以真正的判準是營運面——要 CPU 快選 LightGBM、要高基數類別特徵安全選 CatBoost、要生態完整選 XGBoost。

一個反直覺的細節：資料量小的時候不要開 LightGBM 的 GPU——它的 CUDA 路徑只支援 FP64，在消費級顯卡上反而比 CPU 慢好幾倍。

# 五件套，先照做再談微調
起手 LightGBM ＋ 淺樹 ＋ MAE loss
     ＋ 學習率固定 0.01–0.05 ＋ early stopping
     ＋ 單調約束（把經濟方向寫進模型）

# 為什麼 loss 選 MAE：它拒絕去追厚尾的極端報酬
     # 9 個主要標籤裡 MAE 贏了 8 個
     # 美股月頻案例：MAE +0.080 vs Huber/MSE +0.030–0.035

調參預算 trial 數 50–100 封頂
     重點放正則化參數，不是樹結構參數
     # 500 個 trial 找出來的 +0.02 IC，在真 holdout 上會蒸發
     # 這是回測到實盤衰退最常見的來源

只交易頭尾分位 → 改用排序目標 lambdarank
     # 別讓 MSE 把模型容量花在永遠不交易的中段

→ 接到台股（以下為外推，非書上內容）：兩個地方特別適合台股。第一，CatBoost 的類別特徵處理——台股研究常有高基數的類別欄位（券商分點代號、產業分類、主力名單 ID），書提到的編碼洩漏正是這種欄位最容易出事的地方，CatBoost 的 ordered encoding 是從機制上解決。第二，lambdarank 排序目標——如果你的策略只做多空各前幾名（台股選股常見做法），用排序目標比用 MSE 合理，因為你根本不在乎中間那幾百檔排得準不準。單調約束也值得用：把「融券餘額增加不該預測報酬上升」這類經濟方向寫進模型，這是免費的正則化。以上是套用方向，實際增益要自己驗。

核心思想：時序深度學習的答案不是「用 Transformer」，而是歸納偏置的競賽——而且架構只有在預測目標定義正確之後才重要。書把「表述」（formulation）擺在架構前面，這是本章最有價值的一課。

有一個很有說服力的診斷實驗值得記住：把輸入序列隨機洗牌之後，D-Linear 的誤差從 0.345 暴增到 1.406（表示它真的在用時間結構），而 Transformer 只從 0.379 變到 0.391——幾乎沒差，代表它根本沒在學時間模式。這就是 LTSF-Linear 那篇批判的核心：單層線性模型在九個長期預測基準上，打敗當時的 Transformer 系列達 20–50%。

選錯表述，再好的架構也救不回來；選對表述，最簡單的線性結構常常就夠了。

# 樣本量門檻（日頻、中等訊噪比的校準值）
< 5,000        → Ridge / LightGBM，別想了
5,000–20,000   → LightGBM 性價比最高
> 20,000       → 可以測試 DL
                 # 注意用詞：大樣本觸發「比較」，不觸發「替換」

# 基線階梯不可跳，全部贏過才有資格談序列 DL
階梯 seasonal naive → D-Linear / N-Linear
     → ARIMA / VAR → LightGBM 帶 lag 特徵

時序基礎模型（Chronos、TimesFM 那類）
     報酬預測 zero-shot 不可用
     # 實測 IC 為負，比隨機還糟
     波動率 / VaR ＋ fine-tune 才可信
     # 另外要查：評估資料有沒有落在它的預訓練語料裡

不確定性 deep ensemble 約 5 個成員是甜蜜點
     但原始區間覆蓋率低一個數量級，必須疊 conformal 校準

→ 接到台股（以下為外推，非書上內容）：那個樣本量門檻對台股是硬約束——台股上市櫃約 1,700 檔、一年約 240 個交易日，如果做的是「單一標的的時序預測」，樣本數很容易落在 5,000 以下，也就是書上直接說「別想了」的區間。要達到可以考慮 DL 的量級，通常得走截面 panel（多檔股票 × 多個時點）而不是單檔時序——而截面排名任務書上建議的正是「直接預測標籤」表述。順帶一提，TradingView 上那類「ML 指標」（如 Lorentzian Classification）本質上是單標的、小樣本的分類器，用書的框架看，它們該比的對手是 LightGBM 而不是 Transformer；這是我的判讀，書沒有評論這些指標。

核心思想：面對 400 多個「因子動物園」，潛在因子模型改變了選擇的對象——不再逐一檢定具名特徵，而是直接從報酬（可以再加上定價限制或特徵）推出低維結構。

但這章最大的坑，也是最重要的一句話：解釋共變異的因子，不等於有定價的因子。五種方法各自在最佳化不同的目標，混淆它們就會用錯工具。書給了一個很好的例子：某個信用風險因子可能只解釋 2% 的變異，卻有 0.8 的 Sharpe——標準 PCA 會把它排到第 15 名之後，而加了定價懲罰的 RP-PCA 能把它拉到第 3。

先問「我要回答什麼問題」，再選方法——把 PCA 因子直接拿來當交易訊號，是這章點名的第一個反模式。

# 特徵向量在近乎簡併的特徵值下極不穩定——換一天資料就翻號
診斷 算相鄰窗的 cosine similarity
     跌破 0.8 就不可用
     # 第三主成分之後很常見

修正 用 Procrustes 旋轉對齊相鄰窗的 loading
     # 特徵值比 > 2:1（分離良好）時可以免

收縮 N/T 偏大時用特徵值收縮，別靠目測 scree plot

# 為什麼非做不可：翻號的 loading 會產生「幻影換手」
# 你的組合根本沒有變，帳面上卻在瘋狂調倉——付的是真實的交易成本

選模看什麼 潛在因子模型一律看下游預測指標
     永遠不看重建損失
     # 重建損失是體檢報告，不是成績單

→ 接到台股（以下為外推，非書上內容）：BBP 門檻對台股是很實際的約束：如果你用 500 檔台股、一年日資料（約 240 個交易日）做 PCA，N/T 已經大於 2，1+√(N/T) 的門檻很高——除了市場因子與少數產業因子之外，其餘成分基本上落在雜訊區。這解釋了為什麼台股的「統計套利配對」在成分數拉多之後很容易失效。書的建議（高維面板改走特徵映射路線）值得參考。另外「等權組合讓微型股綁架結論」這件事在台股更嚴重——台股小型股的流動性斷崖比美股陡，等權回測看起來漂亮但根本做不到那個量。這是套用書的邏輯到台股的推論，具體門檻要自己算。

核心思想：再精巧的估計器也救不了識別失敗。流程永遠是固定的五步：畫 DAG → 決定調整集 → 推導 estimand → 用 ML 估計 → 跑 refutation 測試。估計器的精巧程度排在最後。書把目標講得很清楚：不是要從觀察資料「證明」因果，而是要分辨「經得起檢驗的主張」與「一戳就垮的主張」。

最重要的定位是這句：因果係數不是交易訊號。預測排名（Ch 11–14）產生 alpha，因果分析決定你該多相信它、該配多少部位。書自己的實測很誠實：ETF 動能的因果分析做得很完整，但到了嚴格 holdout，三個策略全部轉負——因為基礎訊號本身死了。因果分析減緩了樣本外的退化，但它不製造 alpha。

兩道閘是互相獨立的體檢項目，一個問「存在嗎」，一個問「跟假的比得出差別嗎」。

# DML 用在時序資料上，三件事不能省
紀律一 cross-fitting 一律用 expanding / rolling window
       # 絕不隨機切折——重疊報酬的自相關會直接洩漏
紀律二 HAC 帶寬要對齊 forward return 的重疊期
紀律三 nuisance 模型至少換兩類看穩定性
       # 跨合理模型大幅變動 = 結論不穩

# 事件研究：這兩步要在相信任何發現之前先做
先跑 control-as-target 檢查   # 控制序列自己有沒有被事件污染
再跑 placebo dates           # 挑沒事發生的日子跑同一套管線
才看 事件本身

block-permutation 的 block 長度
       要夠長　# 案例：7 天 block 得 p=0.03（過），縮到 1 天就膨脹成假顯著

→ 接到台股（以下為外推，非書上內容）：這章對台股籌碼研究有直接對應。「分點買超導致股價上漲」是一個因果主張，而它最明顯的混淆因子就是——分點買超與股價上漲可能同時被第三個因素驅動（題材發酵、大盤走強、融資追買）。書的框架會要求你先畫 DAG、決定控制什麼，再用 DML 正交化，最後跑 placebo（例如隨機挑一批分點，看看是不是也「顯著」）。這正是 H-018 那類驗證可以再強化的方向：當時做的是樣本外檢定（回答「能不能預測」），因果框架回答的是另一個問題（「是不是它造成的」）。兩者互補，不互相取代。至於事件研究的 placebo dates 檢查，套到台股的除權息、法說會、月營收公布這類事件研究上，是幾乎零成本就能加上的防呆。